← 文章 / AI技术
The Decoder 2天前 · 2026-11-20 08:21:13 · 4 阅读

OpenAI 研究人员:比起一半同事,更离不开自己的 AI 编码 Agent

Image description

OpenAI 内部对 Coding Agents 的使用增长迅猛,理论 Token 成本已超越研究人员的基本薪资。尽管团队已难以离开这些工具,但模型在处理常规任务之外,仍会产生大量“AI 垃圾”。

在第二份关于内部研究加速的报告中,OpenAI 公布了自身数据,展示了 AI Agents 在新模型开发中的嵌入深度。公司表示,旨在记录所谓递归自我改进(RSI)的指标,即 AI 系统加速未来几代系统开发的过程。

报告显示,Codex 和 Dots 等内部工具的使用量近期激增。若按常规 API 标价计算,十月份研究人员的中位数日 Token 消耗达 2,400 美元,较上月增长 62%。在前 10% 的用户中,这一理论价值翻倍至每日 23,000 美元。

换算成八小时工作制,报告称 Agents 每天为每位研究人员运行相当于 5.7 个工作日的时长,在预训练和后训练团队中则约为八个工作日。超过三分之二的被追踪研究人员在峰值使用期间至少并行运行了四个 Agents。

据 OpenAI 称,上述 Agents 运行时的理论 API 等值成本,在九月份是研究人员常规薪资成本的两倍。不过,该计算未包含股票期权,而期权占 OpenAI 总薪酬的 70% 到 80%。若与公司总研究算力相比,内部 Agents 的使用仅占 2%。

大部分 AI 使用量集中在沟通和编程上。 | 图源:OpenAI

常规任务成功率高,代码脚手架是短板

据 OpenAI 统计,3 月到 10 月间,自主智能体在无人干预下完成 2 至 4 小时任务的成功率从 23% 升至 46%;4 至 8 小时任务的成功率则从 13% 升至 35%。不过按照 Epoch AI 的分类体系细分来看,这些系统主要处理的还是简单任务。

据报道,智能体完成训练运行监控的成功率为 79%,独立回答技术问题为 72%,但在更复杂的工程工作中经常失败:构建评估和强化学习环境的成功率只有 29%,编写推理和 Serving 系统代码的成功率为 25%。

在一项针对 101 名员工的非代表性内部调查中,研究人员的中位数回答是:宁愿砍掉团队 40% 的人手或 30% 的算力,也不愿三个月用不上现有的编码智能体。在另一项针对 28 名员工的快速投票中,27 人更倾向于选择最新内部模型,而不是一名中等资历的人类工程师。

缺乏研究品味,仍需人工把关

对十位研究人员的定性访谈揭示了重度使用的另一面。受访者表示,模型对好的研究想法、代码和数据质量都缺乏"品味"。智能体会在不必要的步骤中迷失方向,在分析中做出错误假设,提交质量低劣的"AI slop"代码改动和无用的数据产物。要避免浪费算力,密切的人工监督必不可少。

据受访团队介绍,GPT-6 Astra 和 GPT-6.2 Astra 的关键概念性想法完全来自后训练和安全领域的人类研究人员。只有在 GPT-6.2 Astra 的预训练阶段,个别研究人员表示通过与 Codex 对话获得了重要洞见。

OpenAI 在结论中提醒,目前从人机协作中收集的数据未必能线性外推。该公司指出最近AI 在数学领域的快速突破,并认为随着模型获得更多自主性,深度学习研究本身也可能出现类似突飞猛进的进展。

评估机构 METR 近期对竞争对手 Anthropic 进行了为期十一周的内部考察,随后估算,AI 的使用使该公司的开发速度几乎翻了一番。在此之前,OpenAI 于 9 月初在其首份研究加速报告中宣布,已达成其设定的“自动化 AI 研究实习生”目标。首席科学家 Jakub Pachocki 在一份配套文章中警告称失去了控制,起因是一项审计揭示了监控系统存在诸多漏洞。

原始来源: The Decoder

评论 (0)